我想从以下 pdf 中提取图像：
https://doku.pub/documents/benveniste-e-vocabulario-de-las-intituciones-as-3nl271x3v808
我跑pdfimages -j file.pdf image
但我得到的是奇怪的图形，书页是空白的（好像文本是在此过程中丢失的其他图像）。这些图像似乎是将书数字化的人拍摄的原始图片的一部分。
我pdfinfo file.pdf得到
Creator: Canon CLC5151 PDF
Producer: ilovepdf.com
CreationDate: Tue Sep 1 19:50:40 2009 CEST
ModDate: Mon Sep 24 16:11:26 2018 CEST
Tagged: no
UserProperties: no
Suspects: no
Form: AcroForm
JavaScript: no
Pages: 233
Encrypted: no
Page size: 690.764 x 1039.76 pts
Page rot: 90
File size: 101724898 bytes
Optimized: yes
PDF version: 1.6
答案1
请注意，您的 PDF 包含每个页面的图像，并且每个图像包含整个扫描仪区域。 PDF 可以通过转换、缩放等方式仅显示其实际拥有的信息的一部分......
获取页面的另一种方法是：
$ pdftoppm -cropbox -jpeg file.pdf prefix
这将获取图像并根据 pdf 文件中的“裁剪框”裁剪它们（请参阅下面的评论）。